【3085】【张启成】

【个人情况】：软件工程研一，希望针对运筹学中优化算法，强化学习及多模态进行学习。数学有一定基础，python需要加强实践，强化学习几乎零基础，机器学习和深度学习有比较粗浅的基础

【学习目标】：遗传算法/进化算法+强化学习+多模态

【备注】：

【学习方向】：数据挖掘

【是否需要就业】：否

【目标就业地点】：一线城市

【课程学习顺序】：以老师发的学习思路稳住

（按照顺序学习即可，有问题随时跟老师联系调整）

【学员课程安排】：有任何疑问，在群里随时艾特或者ding教务老师和电话测评的老师！尽快解决，达到当前阶段没有疑问为止。

 

===============章节分割线===============

【第1阶段】：数学阶段

【监督方式】：自由

「第1章」：数学加强篇

课程名称：【19968】【机器学习中的数学基础-53集「解锁式学习」】

课程内容：对机器学习中的数学中的微分[极限、导数、费马定理、泰勒、多元函数、偏导数、方向导数、梯度、链式法制、拉格朗日]，线性代数[向量、矩阵、张量、行列式、线性方程组、矩阵分解]，概率[随机变量、概率分布、贝叶斯定理、期望、方差、大数定律、特征函数、中心极限定理、统计学基础、极大似然估计、zuida后验估计、蒙特卡罗方法、Bootstrap方法、EM算法]，最优化方法[最速下降法、共轭梯度法、牛顿法、拟牛顿法、约束非线性优化、KKT条件]等数学知识点的复习

                    ---考核---（可选择，联系教务老师）

 

===============章节分割线===============

【第2阶段】：基础阶段

【监督方式】：弱监督

「第1章」：数据结构与算法篇

课程名称：【36】【Python数据结构与算法「解锁式学习」】

课程内容：数据结构入门，主要讲解了堆、栈、链表、快排、二分、树等数据结构与算法，课程末尾将会提供leetcode刷题教程，请需要就业的徒弟务必重视练习。

                    ---考核---（可选择，联系教务老师）

「第2章」：编程语言篇

课程名称：【14281】【机器学习-数据科学库（HM）「解锁式学习」】

课程内容：讲解了目前主要是pandas、numpy、matpoltlib库的使用。

                    ---考核---（可选择，联系教务老师）

「第3章」：编程语言篇

课程名称：【19638】【数据分析-项目合集「自由式学习」】

课程内容：该课程主要讲解了股票分析案例、人口数据分析案例、美国大选案例、用户数据分析案例四个例子来加深数据分析的例子

                    ---考核---（可选择，联系教务老师）

 

===============章节分割线===============

【第3阶段】：机器学习阶段

【监督方式】：强监督

「第1章」：机器学习基础篇

课程名称：【3211】【机器学习算法基础（基础机器学习课程）「解锁式学习」】

课程内容：机器学习基础算法的讲解，偏向于实现，对底层原理没有进行过多的阐述。

                    ---考核---（可选择，联系教务老师）

「第2章」：机器学习基础篇

课程名称：【32609】【进化算法(MY)「解锁式学习」】

课程内容：该课程主要讲解了遗传算法、进化算法的基础理论、微生物遗传算法、进化策略的理论、进化策略结合梯度下降、神经网络进化等知识点

                    ---考核---（可选择，联系教务老师）

「第3章」：数据结构与算法篇

课程名称：【32607】【人工智能导论实验演示「解锁式学习」】

课程内容：该课程主要是演示课程，非常的简单，演示了图论与七桥问题、图论求解航线规划问题、西游记人物关系图谱、启发式搜索求解棋盘问题、广度优先和深度优先和A*求解八数码问题、模糊搜索算法、遗传算法、粒子群的优化、禁忌搜索、随即森领、SVM等等等。

                    ---考核---（可选择，联系教务老师）

「第4章」：数据结构与算法篇

课程名称：【解决旅行商问题TSP】

                    ---考核---（可选择，联系教务老师）

「第5章」：机器学习工具篇

课程名称：【24941】【机器学习-Sklearn（第三版）「解锁式学习」】

课程内容：该课程主要讲解了经典算法决策树、随机森林、特征工程数据预处理、经典算法降维算法PCA、逻辑回归、聚类算法KMeans、支持向量机SVM、线性回归、朴素贝叶斯、 XGBoost及其相关案例

                    ---考核---（可选择，联系教务老师）

 

===============章节分割线===============

【第4阶段】：深度学习阶段

【监督方式】：强监督

「第1章」：深度学习基础篇

课程名称：【20379】【深度学习-【2020版】【深版】「NLP-解锁式学习」】

课程内容：深度学习深入知识的讲解，对神经网络等深度学习常用的算法进行了讲解

                    ---考核---（可选择，联系教务老师）

「第2章」：深度学习工具篇

课程名称：【9622】【深度学习-Tensorflow2.0「解锁式学习」】

课程内容：深度学习中TensorFlow2.X版本的讲解与使用。

                    ---考核---（可选择，联系教务老师）

「第3章」：深度学习工具篇

课程名称：【9555】【Pytorch学习「解锁式学习」】

课程内容：深度学习中的Pytorch框架的讲解于使用。

                    ---考核---（可选择，联系教务老师）

 

===============章节分割线===============

【第5阶段】：说明课程

【监督方式】：强监督

「第1章」：基础和方向的分割阶段

课程名称：【3244】【说明课程（基础知识与项目衔接说明课程）「解锁式学习」】

课程内容：项目阶段与基础阶段的分界点，在该课程之前为基础阶段，之后为项目阶段，如需更改方向，请在该阶段在群里与老师沟通。

                    ---考核---（可选择，联系教务老师）

 

===============章节分割线===============

【第6阶段】：自然语言处理阶段

【监督方式】：强监督

「第1章」：NLP理论基础篇

课程名称：【3425】【NLP自然语言处理基础课程「解锁式学习」】

课程内容：LDA、语言模型结合朴素贝叶斯、基于统计的翻译系统、隐马尔可夫模型、词向量等知识的讲解。

                    ---考核---（可选择，联系教务老师）

「第2章」：NLP理论基础篇

课程名称：【30441】【1、（2022）NLP前置课程「自由式学习」】

课程内容：该课程主要讲解了自然语言处理的概论以及常见的基础任务的普及、分类问题、命名实体识别、句法分析、语义理解与常见应用、以及两篇paper的带读、讲解了一个小案例、实践复杂度、动态规划、DP动态规划等知识点

                    ---考核---（可选择，联系教务老师）

「第3章」：NLP项目篇

课程名称：【3266】【NLP到Word2Vec实战「解锁式学习」】

课程内容：自然语言处理阶段的Word2Vec的讲解

                    ---考核---（可选择，联系教务老师）

「第4章」：NLP理论基础篇

课程名称：【30325】【1、自然语言处理-NLP核心能力提升「自由式学习」】

课程内容：该课程主要是讲解语言模型与语法树、爬虫、搜索引擎与自动路径决策、动态规划与编辑距离、自然语言初步理解、经典的机器学习算法、深度学习、非监督、半监督、主动学习、word2vec、CNN卷积神经网络、RNN循环神经网络、Transformer与BERT大规模预训练问题、面向服务的智能客服机器人与新闻自动生成摘要的案例等知识体系

                    ---考核---（可选择，联系教务老师）

「第5章」：NLP项目篇

课程名称：【27493】【4、PyTorch_LSTM文本生成「解锁式学习」】

课程内容：该课程主要讲解Pytorch使用LSTM生成字符集的操作

                    ---考核---（可选择，联系教务老师）

「第6章」：NLP项目篇

课程名称：【30439】【4、（2022）Transformer和预训练模型阶段「自由式学习」】

课程内容：该课程主要讲解了自注意力机制以及Transformer、Teansformer的代码实现、基于Transformer的闲聊引擎、BERT中的Fine-tuning实例讲解、XLNet、ALBERT的应用、以及XLNet论文讲解。

                    ---考核---（可选择，联系教务老师）

 

 

===============章节分割线===============

【第7阶段】：计算机视觉阶段

【监督方式】：强监督

「第1章」：计算机视觉理论篇

课程名称：【1096】【1、计算机视觉CV理论基础「解锁式学习」】

课程内容：该课程主要讲解了图像的预处理和图像的特征与描述、深度学习基础、图像分类、图像检索、目标检测、图像分割、图像描述、图像生成等知识点

                    ---考核---（可选择，联系教务老师）

「第2章」：计算机视觉理论篇

课程名称：【2433】【目标检测「解锁式学习」】

课程内容：传统的目标检测流程、以及DSSD、caffe-SSD、SPPNet、HyperNET、Faster RCNN、Yolov2、以及文本检测模型、以及不同的目标检测算法的任务性能等评估等等等目标检测算法学习

                    ---考核---（可选择，联系教务老师）

「第3章」：计算机视觉项目篇

课程名称：【19451】【目标检测-YOLO-V4基于PyTorch从零复现（与行人车辆检测实战）「解锁式学习」】

课程内容：该课程通过yolov4项目的介绍、卷积神经的介绍、对yolov3的回顾、yolov4的讲解，然后从零开始写项目代码、项目模型的训练、代码解读、以及训练工具的使用

                    ---考核---（可选择，联系教务老师）

 

 

===============章节分割线===============

【第8阶段】：AI项目合集阶段

【监督方式】：强监督

「第1章」：机器学习练习系列篇

课程名称：【19630】【3、机器学习练习-LSTM_IBM股价预测「解锁式学习」】

课程内容：该课程主要是机器学习算法上面的练习

                    ---考核---（可选择，联系教务老师）

「第2章」：机器学习练习系列篇

课程名称：【3542】【机器学习-文本主题与分类（5，6）「解锁式学习」】

课程内容：kaggle中对文本的分类项目练习。

                    ---考核---（可选择，联系教务老师）

「第3章」：机器学习练习系列篇

课程名称：【30171】【基于LSTM进行文本生成「解锁式学习」】

课程内容：该课程主要讲解了通过Tensorflow2.0实现基于LSTM的文本生成

                    ---考核---（可选择，联系教务老师）

「第4章」：机器学习练习系列篇

课程名称：【30177】【二分类案例_银行客户流失「解锁式学习」】

课程内容：该课程主要讲解了通过Tensorflow2.0实现二分类案例银行流失预测

                    ---考核---（可选择，联系教务老师）

「第5章」：机器学习练习系列篇

课程名称：【30173】【基于Embedding进行IMDB情感文本分析「解锁式学习」】

课程内容：该课程主要讲解了通过Tensorflow2.0实现基于Embedding进行IMDB情感文本分类

                    ---考核---（可选择，联系教务老师）

 

 

【时间安排】：

学员可以自主安排学习时间。具体的时间可以灵活调整。

【相关规定】：

（1）每天完成今日学习任务，提交相应的csdn或者是有道云笔记之类的链接到每日作业中。老师会进行审核，每个阶段结束，进行阶段测评，测评通过，提交老师发布的通过截图到下一个课程的第一节的阶段卡点之后，方可进行下一章内容的学习。

（2）每个章节结束，如果觉得吸收比较乱，知识点多，可以进行xmind脑图的构造一下整体的思路！

（3）项目阶段，需要录制或者文档落地针对做过的项目的自述！

（4）每天必须按计划完成任务，临时有事需在日报中说明情况即可，长期请假请联系教务老师。

（5）考核不通过需要缴费补考，50元是第一次，每次增加50元，200元封顶（此项如有疑问，可以联系教务老师进行更改）。

【参考博客】：第二天早晨八点半，会有拜师晨报提醒。当中有学生优秀博客，可以查看学生的排版

【监督相关说明】：

弱监督：不需要每天提交作业，直接可以解锁课程，适合于自制力能力强的。

强监督：需要学习完一个课程通过管理员解锁才能继续学习下一个阶段，适合于自制力不够强，已经参加工作的学员。

【工作安排】：

（1）、批改作业，环境安装！还有学习过程中有不会的问题的话，艾特软件安装以及基础答疑老师！

（2）、学习过程中如果有什么问题和疑问，可以艾特答疑老师！

（3）、如果计划需要更改，可以群里艾特我和跟你电话测评沟通的老师进行沟通！

（4）、如果有什么方向上面的疑问，可以艾特相关的答疑老师和计划制定的老师！

（5）、如果不知道找哪位老师的话，或者问题比较紧急的可以艾特教务老师进行处理，或者有什么意见和建议（直接私聊教务老师）！教务老师会进行受理！